ヘルスケア プライバシーに配慮しながら医療現場の略語を解読可能な機械学習を実現(1/2)
１．プライバシーに配慮しながら医療現場の略語を解読可能な機械学習を実現(1/2)まとめ ・多くの人が医療記録にアクセスできるようになったが専門的な略語が含まれているため理解する事が困難 ・医療現場で使われる略語は一般的でないものや重複するも...
学習手法
ヘルスケア 
ヘルスケア SegCLR：対照学習で教師なしで人間の脳をマッピングを作成(2/2)
１．SegCLR：対照学習で教師なしで人間の脳をマッピングを作成(2/2)まとめ ・SegCLRは脳細胞の小さな断片に対してもヒトとマウスの細胞型を正確推定可能 ・マウス大脳のシナプスの接続相手を分類する事で脳結合性の自動解析も可能 ・リッ...
ヘルスケア SegCLR：対照学習で教師なしで人間の脳をマッピングを作成(1/2)
１．SegCLR：対照学習で教師なしで人間の脳をマッピングを作成(1/2)まとめ ・人間の脳の配線や情報伝達経路をマッピングすること重要な基礎研究分野 ・脳は大量の情報を持つ複雑な構造のため学習用のラベル付けが困難な領域 ・SegCLRを使...
学習手法 RRL:他のエージェントの学習記録を転移する転生強化学習(2/2)
１．RRL:他のエージェントの学習記録を転移する転生強化学習(2/2)まとめ ・RRLでは教師にポリシーベースRL、生徒をバリューベースRLにする事も可能 ・RRLは教師への非依存、教師からの脱却、計算・サンプルの効率化を実現 ・ゼロから学...
学習手法 RRL:他のエージェントの学習記録を転移する転生強化学習(1/2)
１．RRL:他のエージェントの学習記録を転移する転生強化学習(1/2)まとめ ・強化学習の主流は既存知識を用いずにゼロから効率的に学習するタブラ・ラサ ・タブラ・ラサはアルゴリズムやアーキテクチャ変更時にゼロからやり直しが必要 ・RRLは既...
ロボット CaP：自分で自分の制御プログラムを書くロボットの実現にむけて(2/2)
１．CaP：自分で自分の制御プログラムを書くロボットの実現に向けて(2/2)まとめ ・大きなモデルはより良い性能を発揮し階層的なコードが生産性を最も改善する ・コード執筆モデルはロボットの形状が異なっても実行可能なコードを生成可能 ・生成さ...
ロボット CaP：自分で自分の制御プログラムを書くロボットの実現にむけて(1/2)
１．CaP：自分で自分の制御プログラムを書くロボットの実現に向けて(1/2)まとめ ・ロボットが人間からの指示を受けて自分自身の制御コードを書く時代が到来 ・最新の言語モデルはプログラミング言語を記述できるのでロボット制御も可能 ・言語モデ...
学習手法 PI-ARS：視覚移動タスクに進化型の学習を採用して高速移動を実現(2/2)
１．PI-ARS：視覚移動タスクに進化型の学習を採用して高速移動を実現(2/2)まとめ ・PI-ARSは予測情報(PI)を使用して拡張ランダム探索(ARS)を改良した手法 ・高次元の入力情報の次元を削減して扱いやすくするためARSの性能が向...
学習手法 PI-ARS：視覚移動タスクに進化型の学習を採用して高速移動を実現(1/2)
１．PI-ARS：視覚移動タスクに進化型の学習を採用して高速移動を実現(1/2)まとめ ・進化戦略は自然界の仕組みに発想を得た最適化技術で強化学習に勝る点もある ・しかし高次元の感覚入力を必要とする問題への適用が困難な事が弱点であった ・P...
学習手法 QuaRL:強化学習を量子化して高速化と環境負荷を低減(2/2)
１．QuaRL:強化学習を量子化して高速化と環境負荷を低減(2/2)まとめ ・ActorQでトレーニングの大幅な高速化と性能の維持が可能な事が確認された ・ポリシーの量子化で1.9倍から3.76倍まで炭素排出量の削減も確認された ・今後は他...
学習手法 QuaRL:強化学習を量子化して高速化と環境負荷を低減(1/2)
１．QuaRL:強化学習を量子化して高速化と環境負荷を低減(1/2)まとめ ・深層強化学習は逐次意思決定問題大きな進展を続けているが学習時間が長い ・計算負荷が高い事により温室効果ガスの総排出量も多くなってしまう ・量子化を適用する事で性能...
学習手法 LOLNeRF:1枚の画像から3次元構造を学ぶ(2/2)
１．LOLNeRF:1枚の画像から3次元構造を学ぶ(2/2)まとめ ・2次元画像から3次元形状を理解する手法は複数視点のデータに依存している ・1枚の画像から3次元構造を知ることができると便利だが解決困難とされている ・LOLNeRFは単一...